Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.946388623381964
Coeficiente de determinación R^2 0.895651426466808
R^2 ajustado 0.890159396280851
Error típico 17687.4372767072
Observaciones 21
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F
Regresión 1 5.1019E+10 51019468721 163.082029
Residuos 19 5944063311 312845437.417
Total 20 5.6964E+10
Coeficientes Error típico Estadístico t Probabilidad
Intercepción 44178.1333333334 8003.67588 5.51973043033 2.52401E-05
Variable X 1 8139.96623376623 637.410994 12.7703574372 8.99547E-11
PRONOSTICO
AÑO Periodo Datos
(X) (Y)
22 2021 312845437.417
23 2022 312845437.417
24 2023 312845437.417
Y= a + bX
Y22= 223257.39047619 PARA EL AÑO 2021 SE ESPERA UN NIVE
Y23= 231397.356709957 EN EL AÑO 2022 UN NIVEL DE CARGA
Y24= 239537.322943723 AÑO 2023 UN NIVEL DE CARG
R=0,946388623 RB//: SI CONFIO EN LO QUE SE PRONOST
R^2=0,895651426 CERTEZA ES ALTO CON EL 90% LO CUA
R^2 90% PRONOSTICO ES MUY CE
Valor crítico de F
8.99547E-11
Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
27426.2472 60930.0195 27426.2472 60930.0195
6805.84969 9474.08278 6805.84969 9474.08278
021 SE ESPERA UN NIVEL DE CARGA DE 223257
22 UN NIVEL DE CARGA DE 231398 Y PARA EL
2023 UN NIVEL DE CARGA E 239537
EN LO QUE SE PRONOSTICO YA QUE EL NIVEL DE
LTO CON EL 90% LO CUAL NOS INDICA QUE EL
PRONOSTICO ES MUY CERTERO
PUNTO 1. Usted posee los datos históricos del movimiento de carga en Colombia
Periodo Datos X2 XY Y2
AÑO (X) (Y)
1 2000 82841 4000000 82841 6862631281
2 2001 86741 4004001 173482 7524001081
3 2002 71168 4008004 213504 5064884224
4 2003 89399 4012009 357596 7992181201
5 2004 84350 4016016 421750 7114922500
6 2005 77674 4020025 466044 6033250276
7 2006 73034 4024036 511238 5333965156
8 2007 100284 4028049 802272 10056880656
9 2008 84019 4032064 756171 7059192361
10 2009 99782 4036081 997820 9956447524
11 2010 117597 4040100 1293567 13829054409
12 2011 139646 4044121 1675752 19501005316
13 2012 155196 4048144 2017548 24085798416
14 2013 183126 4052169 2563764 33535131876
15 2014 169714 4056196 2545710 28802841796
16 2015 173558 4060225 2776928 30122379364
17 2016 181021 4064256 3077357 32768602441
18 2017 191701 4068289 3450618 36749273401
19 2018 199369 4072324 3788011 39747998161
20 2019 220309 4076361 4406180 48536055481
21 2020 227544 4080400 4778424 51776271936
∑▒
231 42210 2808073 84842870 37156577 432452768857
Pronostique el nivel de carga que se espera en Colombia en los años 2021, 2022 y 2023
¿Usted confía en lo que está pronosticando?
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.97607268
Coeficiente de determinación R^2 0.95271787
R^2 ajustado 0.94798966
Error típico 4.26305927
Observaciones 12
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 3661.92992 3661.92992 201.496399 5.93366E-08
Residuos 10 181.736743 18.1736743
Total 11 3843.66667
Coeficientes Error típico Estadístico t Probabilidad Inferior 95%
Intercepción 165.973352 4.34422725 38.2054948 3.59958E-12 156.29381
Variable X 1 -0.01875476 0.00132123 -14.1949427 5.93366E-08 -0.02169864
R= 0.97607268
R^2= 0.95271787
R^2= 95%
CON UNA CERTEZA ALTA DE 95% SE PUEDE
GARANTIZAR L RESULTADO DEL PRONOSTICO
r crítico de F
Superior 95%Inferior 95,0%Superior 95,0%
175.652893 156.29381 175.652893
-0.01581088 -0.02169864 -0.01581088
Y= a + bX
Y500= 156.59597
Y1100= 145.343113
PRONOSTICO
COSTO DEMANDA
500 157
1100 145
Y PARA UNOS COSTOS DE 1100 SE ESPERA UNA DEMANDA DE
145 VEMOS QUE ON ES PROPORCIONAL A MAYORES COSTOS
NO HAY MAYOR DEMANDA, SINO VICEVERAS
PUNTO 2. Una empresa comercial desea proyeectar su demanda anual, considerando si el costo de su prod
$5000 y a $1100, teniendo como antecedentes los datos que se muestran en la siguiente tabla
DEMANDA COSTO
AÑO (Y) (X) X2 XY Y2
2009 142 1200 1440000 170400 20164
2010 136 2000 4000000 272000 18496
2011 122 2500 6250000 305000 14884
2012 116 2620 6864400 303920 13456
2013 110 2840 8065600 312400 12100
2014 104 3000 9000000 312000 10816
2015 98 3420 11696400 335160 9604
2016 93 3600 12960000 334800 8649
2017 95 4000 16000000 380000 9025
2018 92 4100 16810000 377200 8464
2019 89 4210 17724100 374690 7921
2020 85 4350 18922500 369750 7225
∑▒
1282 37840 129733000 3847320 140804
¿Usted garantiza los resultados obtenidos?
o si el costo de su producto llegue a
an en la siguiente tabla.
s obtenidos?
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.43161355
Coeficiente de determinación R^2 0.18629026
R^2 ajustado 0.10491928
Error típico 343361.859
Observaciones 12
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Regresión 1 2.6991E+11 2.6991E+11 2.28939445
Residuos 10 1.179E+12 1.179E+11
Total 11 1.4489E+12
Coeficientes Error típico Estadístico t Probabilidad
Intercepción -73712.1212 211324.616 -0.34880991 0.7344646
Variable X 1 43445.4545 28713.3611 1.5130745 0.161204
R= 0.43161355 EL NIVEL DE CERTEZA DE ESTE PRONOSTICO ES
R^2= 0.18629026 MUY POCO CONFIABLE SIENDO DE UN 19%,
NO PODEMOS GUIARNOS DE ESTO PARA UN
PRONOSTICO FUTURO
R^2= 19%
Valor crítico de F
0.161204
Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
-544572.708 397148.466 -544572.708 397148.466
-20531.9009 107422.81 -20531.9009 107422.81
Y= a + bX
Y= 491078.788
PRONOSTICO
PERIODO AÑO VENTAS
13 2021 491079
ZA DE ESTE PRONOSTICO ES
IABLE SIENDO DE UN 19%,
UIARNOS DE ESTO PARA UN
OSTICO FUTURO
PUNTO 3. Varta, empresa dedicada a la fabricación de baterías, desea calcular el pronós
datos históricos que se muestran en la siguien
AÑO PERIODO VENTAS
(X) (X) (Y) X2 XY Y2
1 2009 85000 4036081 85000 7225000000
2 2010 89000 4040100 178000 7921000000
3 2011 92000 4044121 276000 8464000000
4 2012 95000 4048144 380000 9025000000
5 2013 93000 4052169 465000 8649000000
6 2014 98000 4056196 588000 9604000000
7 2015 104000 4060225 728000 10816000000
8 2016 110000 4064256 880000 12100000000
9 2017 116000 4068289 1044000 13456000000
10 2018 120200 4072324 1202000 14448040000
11 2019 1360000 4076361 14960000 1849600000000
12 2020 142000 4080400 1704000 20164000000
∑▒
78 24174 2504200 48698666 22490000 1971472040000
Verifique que tan certeros e
s, desea calcular el pronóstico de sus ventas para el año 2021, a partir de los
se muestran en la siguiente table
rifique que tan certeros es estre pronóstico
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.81714739
Coeficiente de determinación R^2 0.66772985
R^2 ajustado 0.66000264
Error típico 0.88437605
Observaciones 45
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 67.5852412 67.5852412 86.4127683 7.54678E-12
Residuos 43 33.6312032 0.78212101
Total 44 101.216444
Coeficientes Error típico Estadístico t Probabilidad Inferior 95%
Intercepción 1.77470744 0.16319703 10.8746306 6.37486E-14 1.44558926
Variable X 1 0.04555436 0.00490051 9.29584683 7.54678E-12 0.03567155
R= 0.81714739
R^2= 0.66772985
R^2= 67% PODEMOS DECIR QUE X DEPEN
VARIACIONES
r crítico de F
Superior 95%Inferior 95,0%Superior 95,0%
2.10382563 1.44558926 2.10382563
0.05543717 0.03567155 0.05543717
S DECIR QUE X DEPENDE EN UN 67% DE LAS
VARIACIONES DE Y
PUNTO 4. Usted como gerente de una Corporación Financiera, analiza la
evolución del promedio de depósitos de los últimos 44 años y desea saber si
esta evolución depende de la evolución del Producto Nacional Bruto (PEB)
Año Depósitos PEB
1976 0.25 0.4
1977 0.24 0.4
1978 0.24 0.5
1979 0.26 0.7
1980 0.25 0.9
1981 0.3 1
1982 0.31 1.4
1983 0.32 1.7
1984 0.24 1.3
1985 0.26 1.2
1986 0.25 1.1
1987 0.33 0.9
1988 0.5 1.2
1989 0.95 1.2
1990 1.7 1.2
1991 2.3 1.6
1992 2.8 1.5
1993 2.8 1.6
1994 2.7 1.7
1995 3.9 1.9
1996 4.9 1.9
1997 5.3 2.3
1998 6.2 2.5
1999 4.1 2.8
2000 4.5 2.9
2001 6.1 3.4
2002 7.7 3.8
2003 10.1 4.1
2004 15.2 4
2005 18.1 4
2006 24.1 3.9
2007 25.6 3.8
2008 30.3 3.8
2009 36 3.7
2010 31.1 4.1
2011 31.7 4.1
2012 38.5 4
2013 47.9 4.5
2014 49.1 4.6
2015 55.8 4.5
2016 70.1 4.6
2017 70.9 4.6
2018 79.1 4.7
2019 94 5
2020 96 5.1
Usted como Ministro(a) de Transporte, desea pronosticar la carga nacional terrestre de los p
Año Terrestre Cocesiones (sin incluir carbón) Carbón Total
2009 84019 ND 31023 31023
2010 99782 37 42744 42781
2011 117597 317 45865 46182
2012 139646 308 48919 49227
2013 155196 314 49394 49708
2014 183126 375 52829 53204
2015 169714 236 48236 48472
2016 173558 254 59144 59398
2017 181021 366 66659 67025
2018 191701 204 74350 74554
2019 199369 20 76780 76800
2020 220309 97 76684 76781
arga nacional terrestre de los próimos dos años
Fluvial Aéreo Cabotaje Total
3480 122 532 119185
3725 132 928 147348
4211 129 588 168707
4863 135 400 194271
4025 138 509 209576
4563 137 454 241484
4953 123 372 233634
4070 109 364 237499
3691 119 353 252209
3650 124 ND 270029
3474 127 388 280158
2968 149 7740 300980
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.99759067
Coeficiente de determinación R^2 0.99518715
R^2 ajustado 0.99398394
Error típico 0.17968365
Observaciones 6
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Regresión 1 26.70418848168 26.7041885 827.108108
Residuos 4 0.129144851658 0.03228621
Total 5 26.83333333333
Coeficientes Error típico Estadístico t Probabilidad
Intercepción -0.27050611 0.140230975678 -1.92900397 0.12595961
Variable X 1 0.03525305 0.001225788686 28.7594873 8.7003E-06
Y= a + bX
Y540= 18.76614310646
PRONOSTICO
DEBERIAN AMPLIAR LA RUTA C
PASAJEROS COMERCIALES NUMERO DE 19 COMERCIA
540 19
RB//: Y= 8
RANGO ESPERADO
EL RANGO ESPERADO PARA 8
OPTIMISTA 8.17968365 TELEVISION, ES VENDER ENTRE
PESIMISTA 7.82031635
RC//:
YO SI SEGUIRIA INVIRTIENDO EN ESTA ESTRATEGIA POR QUE CON
UN COEFICIENTE DE DETERMINACION DEL 99%, PODEMOS
OBSERVAR QUE A MAYOR ANUNCIOS DE TELEVISION MAYOR SERA
EL NUMERO DE TOQUETES QUE SE VENDAN
Valor crítico de F
8.7003E-06
Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
-0.65984971 0.1188375 -0.65984971 0.1188375
0.03184972 0.03865639 0.03184972 0.03865639
DEBERIAN AMPLIAR LA RUTA CUANO HAGAN UN
NUMERO DE 19 COMERCIALES POR TV
EL RANGO ESPERADO PARA 8 ANUNCIOS DE
ELEVISION, ES VENDER ENTRE 8 Y 8,2 TIQUETES
ESTRATEGIA POR QUE CON
ON DEL 99%, PODEMOS
DE TELEVISION MAYOR SERA
QUE SE VENDAN
PUNTO 6. El gerente comercial de la aerolínea Viva Air, realizó un estudio en los últimos seis meses, para
determinar las relaciones de cada período entre el número de tiquetes vendidos en la reuta Barranquilla
Bogotá con el número de comerciales transmitidos por el canal Telecaribe.
Meses Número de Número de
Tiquetes Vendidos Comerciales de TV
1 30 1
2 15 0
3 90 3
4 120 4
5 150 5
6 180 6
a) ¿cuándo la aerolínea debería ampliar esta ruta, la cual tiene una capacidad de 540 pasajeros?
b) ¿Cuál será el rango esperado de tiquetes vendidos si se pusieran 8 anuncios comerciales en la televisión
c) ¿Usted seguiría invirtiendo en este tipo de estrategías?
s últimos seis meses, para
s en la reuta Barranquilla -
Telecaribe.
ad de 540 pasajeros?
omerciales en la televisión?
s?
Resumen
Estadísticas de la regresión
Coeficiente d 0.996624361222724
Coeficiente d 0.993260117382603
R^2 ajustado 0.991762365689848
Error típico 8.28498410244881
Observacione 12
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 91040.898 45520.449 663.167414 1.69409E-10
Residuos 9 617.768654 68.6409616
Total 11 91658.6667
Coeficientes Error típico Estadístico t Probabilidad Inferior 95%
Intercepción 59.7448285790825 4.41779904 13.5236637 2.76469E-07 49.7510728
Variable X 1 2.47281484572756 0.77724984 3.18149289 0.01115799 0.71455355
Variable X 2 1.7779482703007 2.78653449 0.63804998 0.53933428 -4.52563069
R= 0.99662436 PODEMOS DEDUDICIR QUE LAS SOLICITUDES DE CREDITOS PERSO
R^2= 0.99176237 DEPENDE EN UN 99% DE LOS USUARIOS QUE LLEGAN GRACIAS
PROMOCIONES QUE SE REALIZAN
R^2= 99%
CONSIDERARIA QUE SERIA LA ESTRATEGIA MAS VIABLE
SEGUIR GENERAR MAYORES INGRESOS
r crítico de F
Superior 95%Inferior 95,0%Superior 95,0%
69.7385843 49.7510728 69.7385843
4.23107614 0.71455355 4.23107614
8.08152723 -4.52563069 8.08152723
SOLICITUDES DE CREDITOS PERSONALES
USUARIOS QUE LLEGAN GRACIAS A LAS
NES QUE SE REALIZAN
LA ESTRATEGIA MAS VIABLE PARA
AR MAYORES INGRESOS
PUNTO 7. Usted como gerente de una sucursal de un banco, analiza las ventas de los últimos 12 mese
solicitud de créditos personales depende del número de usuarios que llegan al banco debido a una
solicitudes son independientes a este hecho?, y b) ¿ usted considera que vale la pena invertir en may
estrategia actual?
Meses Ventas (en millones) No. De usuarios Promociones
(X1) (X2) (Y)
1 58 4 0
2 88 11 3
3 117 18 5
4 118 18 6
5 137 26 9
6 157 31 10
7 194 42 12
8 240 57 16
9 267 69 19
10 298 79 21
11 306 86 24
12 316 89 26
ventas de los últimos 12 meses. Ya que quiere conocer. a)¿si la
llegan al banco debido a una serie de promociones o si estas
vale la pena invertir en mayor número de promociones con la
ual?
PUNTO 8. No es algo desconocido el hecho de que las entradas de turisas extranjeros en España no h
crecer de forma continuada durante las últimas décadas, coadyuvando a este hecho las peculiares c
climatológicas, económicas y culturales de nuestro país. A partir de esta idea de principio, se ha querid
tema, analizando si la riqueza del turista y la distancia de su país al nuestro son factores vinculantes a
la decisión de visitarnos. Para ello, hemos recogido en la siguiente tabla las entradas de turistas pro
países diversos para un determinado ejercicio enconómico, junto con su PIB per cápita (en miles d
distancia en kilómetros desde cada uno de los países considerados al nuestro:
País No. Turistas entrados
PIB per cápita (10^3Distancia
E)
A 1800000 3'1 1500
B 25000000 4'2 1200
C 7000000 2'7 3100
D 1200000 3'0 2500
E 1900000 4'0 1800
a) Determine la relación lineal que explicaría las entradas de turistas en función del PIB per cápita y d
b) Determine el r, r2 y Syx de este modelo y explique con sus palabras el fato obtenido de acuerdo
turisas extranjeros en España no han hecho sino
ando a este hecho las peculiares características
esta idea de principio, se ha querido ahondar en el
uestro son factores vinculantes a la hora de tomar
tabla las entradas de turistas procedentes de 5
o con su PIB per cápita (en miles de euros) y la
aíses considerados al nuestro:
as en función del PIB per cápita y de la distancia.
abras el fato obtenido de acuerdo al contexto
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.99929059
Coeficiente de determinación R^2 0.99858168
R^2 ajustado 0.99841481
Error típico 30.9653236
Observaciones 20
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Regresión 2 11476471.7 5738235.86 5984.49006
Residuos 17 16300.4715 958.851265
Total 19 11492772.2
Coeficientes Error típico Estadístico t Probabilidad
Intercepción 84.47553 19.0452516 4.43551662 0.00036249
Variable X 1 0.29653623 0.0027897 106.296851 1.91886E-25
Variable X 2 2.56676851 2.90614047 0.88322245 0.3894356
Y=a + bX1 + cX2
y= 833.51641 LOS BENEFICIOS ESPERADOS CO
INDUSTRIA SERIAN DE 834 EUROS
ALENTADOR YA QUE DISMINUIRIA
CON LA NUEVA INDUST
Valor crítico de F
6.16724E-25
Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
44.2935615 124.657498 44.2935615 124.657498
0.29065048 0.30242198 0.29065048 0.30242198
-3.56465193 8.69818895 -3.56465193 8.69818895
LOS BENEFICIOS ESPERADOS CON LA NUEVA
NDUSTRIA SERIAN DE 834 EUROS, ALGO NO MUY
ALENTADOR YA QUE DISMINUIRIA LOS INGRESOS
CON LA NUEVA INDUSTRIA
PUNTO 9. Una firma tiene un total de 20 industrias establecidas en un mercado único. Los datos de
beneficios, costos de la materia prima y número de trabajadores se muestran en la siguiente tabla
Beneficios C. Mat Prima No. Trabajadores
2233 7256 1
2698 8822 6
887 2759 5
1530 4947 8
2365 7726 2
2423 7945 5
563 1465 8
1349 4222 6
1262 4025 1
274 643 4
218 358 1
2519 8082 7
1564 5065 7
1953 6215 5
2006 6265 7
1870 5986 4
1194 3603 5
2861 9102 8
1123 3379 1
1514 4871 7
La multinacional está pensando en montar una industria nueva en otra ciudad y, dada la población y la
disponibilidad de las materias primas, considera que la nueva industria debe tener 3 trabjadores con
un costo de la materia prima de 2500 euros. Dados los datos del resto de industrias, ¿cuáles son los
beneficios que esperaría se produjesen con la nueva industria?
do único. Los datos de
n en la siguiente tabla
y, dada la población y la
ener 3 trabjadores con
strias, ¿cuáles son los
ria?
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.41172605
Coeficiente de determinación R^2 0.16951834
R^2 ajustado -0.06776213
Error típico 5.66394915
Observaciones 10
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Regresión 2 45.8377603 22.9188801 0.71442181
Residuos 7 224.56224 32.08032
Total 9 270.4
Coeficientes Error típico Estadístico t Probabilidad
Intercepción 8.86583607 6.80499396 1.30284261 0.23384787
Variable X 1 -0.04827248 0.07249224 -0.66589856 0.52680315
Variable X 2 0.43393465 0.38066935 1.13992535 0.29181571
R= 0.41172605
R^2= -0.06776213 LAS PROMOCIONES NO HAN SIDO PARA NADA
R^2= -7% DETERMINANATES EN EL INCREMENTO O
DETRIMIENTO DE LOS USUARIOS QUE VAN A LA
CAFETERIA, PODEMOS OBSERVAR QUE X Y Y NO
SON VARIABLES DE CORELACION AQUÍ YA QUE EL
INCREMENTO DE UNA NO INCREMENTA LA OTRA
NO SERIA RECOMENDABLE INCREMENTAR EL NUMER DE
PROMOCIONES YA QUE ESTO NO NOS GARANTIZA UN
AUMENTO EN EL NUMERO DE USUARIOS QUE VISITARIAN LA
CAFETERIA. PERO SI SIGNIFICARIA UN AUMENTO EN EL GASTO
DE LA EMPRESA SIN CERTEZAS ALTA DE QUE ESTO VAYA A
FUNCIONAR
Valor crítico de F
0.52198155
Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
-7.22541768 24.9570898 -7.22541768 24.9570898
-0.2196894 0.12314444 -0.2196894 0.12314444
-0.46620534 1.33407463 -0.46620534 1.33407463
AN SIDO PARA NADA
EL INCREMENTO O
ARIOS QUE VAN A LA
SERVAR QUE X Y Y NO
CION AQUÍ YA QUE EL
NCREMENTA LA OTRA
REMENTAR EL NUMER DE
NO NOS GARANTIZA UN
UARIOS QUE VISITARIAN LA
UN AUMENTO EN EL GASTO
LTA DE QUE ESTO VAYA A
AR
PUNTO 10. El dueño de una Cafetería, ubicado en el interior de una niversidad de la ciudad, decide
ventas de los últimos diez meses. Ya que se quiere conocer a) si las promociones realizadas en los últim
incremento del número de estudiantes usuarios de esta cafetería, y b) si cada promoción tiene un cos
recomendable que compren los productos y usen los servicios ofrecidos p
Meses Ventas (en No. De Promocione
millones) usuarios s
(X1) (X2) (Y)
1 58 2 0
2 165 6 3
3 88 8 6
4 118 8 10
5 117 12 16
6 137 16 17
7 157 20 9
8 164 20 5
9 149 22 12
10 202 26 6
na niversidad de la ciudad, decide contratarlo a usted, para que analice las
romociones realizadas en los últimos años han sido determinantes o no en el
b) si cada promoción tiene un costo aproximado del 2% de las ventas, ¿sería
os y usen los servicios ofrecidos por la Cafetería?
